一种基于正交基函数及卷积神经网络的动载荷识别方法技术

本发明专利技术涉及基于正交基函数及卷积神经网络策略的动载荷识别方法。首先采用频域定阶法对正交基函数展开的阶数进行确定，通过分析正交基函数的频域特性来确定振动信号的正交多项式展开阶次；随后在卷积神经网络的动载荷识别模型中添加正交基函数展开层，将用于训练的动载荷按照确定的阶次展开为各阶正交多项式与对应的多项式系数；而后建立振动响应信息与正交多项式系数之间的卷积神经网络模型，系数作为神经网络模型的输出数据，正交多项式矩阵与动响应数据按元素乘，构成神经网络模型的输入数据；将若干组训练用的动载荷‑动响应数据进行上述处理，构建出大量的训练集，通过训练对卷积神经网络模型进行动力学标定，使模型具备识别正交多项式系数的能力；最后利用新的输入数据识别出目标正交多项式系数，将系数与确定好阶次的正交基函数进行拟合，计算出待识别动载荷。

【技术实现步骤摘要】

本专利技术涉及动载荷识别，具体涉及一种基于正交基函数及卷积神经网络的动载荷识别方法。

技术介绍

1、目前，深度学习方法在动载荷识别中的应用研究尚停留在对方法的适用性研究上。随着近几年的发展，基本形成了以基于多层感知机、长短时记忆神经网络、卷积神经网络、径向基神经网络等模型为代表的动载荷识别方法，这些模型在典型动载荷的识别问题上都得到了良好的应用。然后从识别效果来看，研究尚较初级，针对的动载荷形式较为简单，针对相对复杂的识别问题很少涉足，对于工程中形式更加复杂的动载荷识别问题来说，研究还十分有限。动载荷识别问题一直是困扰结构动力学发展的关键问题，数学反问题的不适定性、识别结果容易受到噪声干扰、传递函数容易将干扰放大等限制都会对最终的识别结果产生极大影响。针对这些问题，近几年学者们联合发展快速的深度学习方法，直接建立起振动响应与动载荷之间的映射关系模型，从而避开结构动特性的影响，从一定程度上改善了上述提及的问题。但是引入深度学习方法又会为动载荷识别带来新的问题，如神经网络模型数据集的构造、计算采用的数据成本过大、依赖强拟合能力的神经网络模型等。这其中数据成本，本文档来自技高网...

【技术保护点】

1.基于正交基函数及卷积神经网络策略的动载荷识别方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于正交基函数及卷积神经网络策略的动载荷识别方法，其特征在于，在所述步骤1中，对于任意用于动载荷识别的振动信号，都可以采用一组相互正交的基函数进行拟合，而这个拟合过程会产生一组正交基函数系数，这个拟合过程表达为

3.根据权利要求2所述的基于正交基函数及卷积神经网络策略的动载荷识别方法，其特征在于，在所述步骤1中，确定正交基函数展开的阶次的具体过程包括：首先判断振动信号的最高频率，随后按照正交基函数阶次次序寻找到主频首次大于振动信号的最高频率的正交基函数，该基函...

【技术特征摘要】

1.基于正交基函数及卷积神经网络策略的动载荷识别方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的基于正交基函数及卷积神经网络策略的动载荷识别方法，其特征在于，在所述步骤1中，对于任意用于动载荷识别的振动信号，都可以采用一组相互正交的基函数进行拟合，而这个拟合过程会产生一组正交基函数系数，这个拟合过程表达为

3.根据权利要求2所述的基于正交基函数及卷积神经网络策略的动载荷识别方法，其特征在于，在所述步骤1中，确定正交基函数展开的阶次的具体过程包括：首先判断振动信号的最高频率，随后按照正交基函数阶次次序寻找到主频首次大于振动信号的最高频率的正交基函数，该基函数的次序即为截取阶次。

4.根据权利要求3所述的基于...

【专利技术属性】
技术研发人员：杨泓基，张昊冉，王卉，
申请(专利权)人：中国航空工业集团公司金城南京机电液压工程研究中心，
类型：发明
国别省市：